在根据https://keras.io/models/model/的多输入或多输出模型的情况下,可以使用
model = Model(inputs=a1, outputs=[b1, b2])
如果b1和b2实际上是相同的目标值呢?也就是说,在几个初始层之后,模型有两个独立的“分支”,每个分支都应该给出相同的值。下面是一个非常简单的例子
a = Input(shape=(32,))
b1 = Dense(32)(a)
b2 = Dense(32)(a)
model = Model(inputs=a, outputs=[b1,b2])
有没有比复制目标值更好/更好的拟合方法?
model.fit(x_train, [y_train, y_train])
此外,如果在fit (仅限)过程中需要真实标签(y_train),可以像这样使用它们
model.fit([x_train,y_train], [y_train, y_train])
有没有更好的解决方案?另外,如何处理预测?
model.predict([x_test, y_test_fake_labels])
发布于 2018-08-19 03:21:12
首先,对于预测函数:在本例中,model.predict(X)将返回一个numpy数组列表。我认为你把tensorflow的session.run()和keras搞混了。对于单输入和多输出,使用model.fit(X,y1,y2)。
我假设你使用的是Keras的tensorflow后端。在我看来,Keras可以说拥有最好的API和语法。与tf.learn,slim等相比,它简单易学。尽管它在后台运行tensorflow,但与使用纯tensorflow运行图表相比,它的速度非常慢。因此,我有时会使用一个小技巧来提高我的模型的性能,就是使用keras定义模型架构,然后使用keras.backend.get_session().graph
从keras获得纯tensorflow图,并使用slim或tf.learn来训练/infer您的模型。因此,您使用的是两个世界中最好的一个。从语法上讲,这为训练/推断模型开辟了许多途径。
https://stackoverflow.com/questions/51911751
复制相似问题